観測されるデータは「①データの真の分布」と「②ノイズ分布」の混合分布から抽出されると仮定。このとき、従来研究では独立に定義されていた①②の間に相関があると仮定するべきだと主張した上で、相関を表現できるモデルと学習方法を提案。

教師ノイズを付与（20%、50%）したデータセットで（MNIST、SVHN、CIFAR100、等）、WideResNetをベースに提案手法を付与した場合とそうでない場合を比較。ほぼ全てのパターンで提案手法を付与した時の性能向上を確認。 また、提案手法によってTrain-Dataset内の正確な教師ラベルの割合を推測できる可能性も示した。

従来手法との相違点（相関に着目する）を明確に示した上で、その根拠を丁寧に説明して、実験で成果を出している。 従来手法の性能を上回るだけでなく、ノイズラベルの割合を推定するなど、新たな可能性も示唆している。